Total runs:
51.7K
Run Growth:
-3.0K
Growth Rate:
-5.71%
Sponsored by
APIMart
Vikhrmodels / Vikhr-Qwen-2.5-0.5b-Instruct
Model's Last Updated: October 28 2024
text-generation
Introduction of Vikhr-Qwen-2.5-0.5b-Instruct
Model Details of Vikhr-Qwen-2.5-0.5b-Instruct
💨📟 Vikhr-Qwen-2.5-0.5B-Instruct
RU
Инструктивная модель на основе Qwen-2.5-0.5B-Instruct , обученная на русскоязычном датасете GrandMaster-PRO-MAX . В 4 раза эффективнее базовой модели, и идеально подходит для запуска на слабых мобильных устройствах.
EN
Instructive model based on Qwen-2.5-0.5B-Instruct , trained on the Russian-language dataset GrandMaster-PRO-MAX . It is 4 times more efficient than the base model, making it perfect for deployment on low-end mobile devices.
GGUF
Особенности:
- 📚 Основа / Base: Qwen-2.5-0.5B-Instruct
- 🇷🇺 Специализация / Specialization: RU
- 💾 Датасет / Dataset: GrandMaster-PRO-MAX
Попробовать / Try now:
Описание:
RU
Vikhr-Qwen-2.5-0.5B-instruct — это компактная языковая модель, обученная на датасете GrandMaster-PRO-MAX , специально доученная для обработки русского языка. Эффективность модели в 4 раза превышает базовую модель, а её размер составляет 1ГБ , что делает её отличным выбором для запуска на слабых мобильных устройствах.
EN
Vikhr-Qwen-2.5-0.5B-instruct is a compact language model trained on the GrandMaster-PRO-MAX dataset, specifically designed for processing the Russian language. Its efficiency is 4 times higher than the base model, and its size is 1GB , making it an excellent choice for deployment on low-end mobile devices.
Обучение / Train:
RU
Для создания Vikhr-Qwen-2.5-0.5B-Instruct использовался метод SFT (Supervised Fine-Tuning). Мы обучили модель на синтетическом датасете Vikhrmodels/GrandMaster-PRO-MAX (150k инструкций) с поддержкой CoT (Chain-Of-Thought), используя промпты для GPT-4-turbo.
EN
To create Vikhr-Qwen-2.5-0.5B-Instruct , the SFT (Supervised Fine-Tuning) method was used. We trained the model on a synthetic dataset Vikhrmodels/GrandMaster-PRO-MAX (150k instructions) with support for CoT (Chain-Of-Thought), utilizing prompts for GPT-4-turbo.
Пример кода для запуска / Sample code to run:
Рекомендуемая температура для генерации: 0.3 / Recommended generation temperature: 0.3 .
from transformers import AutoModelForCausalLM, AutoTokenizer
# Загрузка модели и токенизатора
model_name = "Vikhrmodels/Vikhr-Qwen-2.5-0.5B-Instruct"
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)
# Подготовка входного текста
input_text = "Напиши очень краткую рецензию о книге Гарри Поттер."
# Токенизация и генерация текста
input_ids = tokenizer.encode(input_text, return_tensors="pt")
output = model.generate(
input_ids,
max_length=1512,
temperature=0.3,
num_return_sequences=1,
no_repeat_ngram_size=2,
top_k=50,
top_p=0.95,
)
# Декодирование и вывод результата
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(generated_text)
Ответ модели / Model response:
Книга "Гарри Поттер" – это серия книг, написанных британским писателем Джоан Роулинг. Это одно из самых известных произведений в мире литературы и популярного детского творчества.
Основные черты серии:
Сюжет: События разворачиваются вокруг мальчика по имени Гарри Поттер, который учится в Школе волшебства и философии в Университете Хогвартс. Он сталкивается с различными препятствиями, включая борьбу со злом, поиск друзей и самопознание.
Персонажи: В книге представлены множество персонажей, каждый из которых имеет свои уникальные черты характера, мотивации и прошлое. Главный герой, Гарри Поттер, является примером доброго и смелого человека, а также необычной личностью.
Темы и идеи: Рассказы книги затрагивают темы любви, дружбы, справедливости, морали, человеческой неповиновенности и важности обучения через приключения.
История и развитие персонажей: Через события и взаимодействие с другими персонажами книга исследует глубокие психологические и философские вопросы.
Влияние на культуру: "Гарри Поттер" оказал огромное влияние на мировую литературу, превратившись в культовый жанр и символ знаний и мудрости.
Доступность: Книги серии доступны для широкой аудитории и пользуются большим спросом, что делает их популярным выбором среди читателей всех возрастов.
Развитие жанра: Несмотря на то что "Гарри Поттер" является частью серии, он продолжает быть любимым и актуальным, так как продолжает удивлять читателей новыми историями и персонажами.
Эта серия книг остается одной из самых значительных и влиятельных в истории литературы, оказав влияние на развитие мировой культуры и образование.
Авторы / Authors
- Sergei Bratchikov, NLP Wanderer , Vikhr Team
- Nikolay Kompanets, LakoMoor , Vikhr Team
- Konstantin Korolev, Vikhr Team
- Aleksandr Nikolich, Vikhr Team
@article{nikolich2024vikhr,
title={Vikhr: The Family of Open-Source Instruction-Tuned Large Language Models for Russian},
author={Aleksandr Nikolich and Konstantin Korolev and Sergey Bratchikov and Nikolay Kompanets and Artem Shelmanov},
journal={arXiv preprint arXiv:2405.13929},
year={2024},
url={https://arxiv.org/pdf/2405.13929}
}
Runs of Vikhrmodels Vikhr-Qwen-2.5-0.5b-Instruct on huggingface.co
1.1K
Total runs
0
24-hour runs
-21
3-day runs
76
7-day runs
-172
30-day runs
More Information About Vikhr-Qwen-2.5-0.5b-Instruct huggingface.co Model
Url of Vikhr-Qwen-2.5-0.5b-Instruct
Vikhr-Qwen-2.5-0.5b-Instruct huggingface.co Url
Provider of Vikhr-Qwen-2.5-0.5b-Instruct huggingface.co
Other API from Vikhrmodels
Updated:October 25 2024
Total runs:
15.3K
Run Growth:
-3.2K
Growth Rate:
-20.65%
Total runs:
3.9K
Run Growth:
-10
Growth Rate:
-0.26%
Total runs:
1.9K
Run Growth:
328
Growth Rate:
16.87%
Total runs:
1.4K
Run Growth:
-74.5K
Growth Rate:
-5320.49%
Total runs:
879
Run Growth:
705
Growth Rate:
80.20%
Total runs:
865
Run Growth:
173
Growth Rate:
20.00%
Total runs:
829
Run Growth:
-50
Growth Rate:
-6.03%
Total runs:
620
Run Growth:
13
Growth Rate:
2.10%
Total runs:
611
Run Growth:
434
Growth Rate:
71.03%
Total runs:
526
Run Growth:
-127
Growth Rate:
-24.14%
Total runs:
507
Run Growth:
38
Growth Rate:
7.50%
Total runs:
471
Run Growth:
113
Growth Rate:
23.99%
Total runs:
459
Run Growth:
-124
Growth Rate:
-27.02%
Total runs:
443
Run Growth:
55
Growth Rate:
12.42%
Total runs:
427
Run Growth:
-534
Growth Rate:
-125.06%
Total runs:
358
Run Growth:
145
Growth Rate:
40.50%
Total runs:
292
Run Growth:
14
Growth Rate:
4.79%
Total runs:
253
Run Growth:
211
Growth Rate:
83.40%
Total runs:
250
Run Growth:
-183
Growth Rate:
-73.20%
Total runs:
241
Run Growth:
11
Growth Rate:
4.56%
Total runs:
225
Run Growth:
-190
Growth Rate:
-84.44%
Total runs:
163
Run Growth:
-746
Growth Rate:
-457.67%
Total runs:
148
Run Growth:
23
Growth Rate:
13.94%
Total runs:
121
Run Growth:
-63
Growth Rate:
-52.07%
Total runs:
107
Run Growth:
70
Growth Rate:
65.42%
Total runs:
105
Run Growth:
-6
Growth Rate:
-5.71%
Total runs:
102
Run Growth:
-25
Growth Rate:
-24.51%
Total runs:
102
Run Growth:
-810
Growth Rate:
-794.12%
Total runs:
99
Run Growth:
9
Growth Rate:
9.09%
Total runs:
95
Run Growth:
76
Growth Rate:
80.00%
Total runs:
91
Run Growth:
-25
Growth Rate:
-27.47%
Total runs:
88
Run Growth:
16
Growth Rate:
18.18%
Total runs:
85
Run Growth:
26
Growth Rate:
30.59%
Total runs:
83
Run Growth:
11
Growth Rate:
13.25%
Total runs:
81
Run Growth:
7
Growth Rate:
8.64%
Total runs:
79
Run Growth:
-11
Growth Rate:
-13.92%
Total runs:
78
Run Growth:
-23
Growth Rate:
-29.49%
Total runs:
73
Run Growth:
-3
Growth Rate:
-4.11%
Total runs:
72
Run Growth:
-6
Growth Rate:
-8.33%
Total runs:
72
Run Growth:
-1
Growth Rate:
-1.41%
Total runs:
72
Run Growth:
-3
Growth Rate:
-4.17%
Total runs:
70
Run Growth:
-7
Growth Rate:
-10.00%
Total runs:
70
Run Growth:
-3
Growth Rate:
-4.29%
Total runs:
70
Run Growth:
2
Growth Rate:
2.86%
Total runs:
69
Run Growth:
-10
Growth Rate:
-14.49%
Total runs:
69
Run Growth:
0
Growth Rate:
0.00%
Total runs:
68
Run Growth:
-11
Growth Rate:
-16.18%
Total runs:
66
Run Growth:
-1
Growth Rate:
-1.52%
Total runs:
62
Run Growth:
-5
Growth Rate:
-8.06%
Total runs:
61
Run Growth:
-26
Growth Rate:
-42.62%
Total runs:
61
Run Growth:
21
Growth Rate:
34.43%
Total runs:
57
Run Growth:
-7
Growth Rate:
-12.28%
Total runs:
52
Run Growth:
23
Growth Rate:
44.23%
Total runs:
42
Run Growth:
23
Growth Rate:
54.76%
Total runs:
39
Run Growth:
-63
Growth Rate:
-161.54%
Total runs:
29
Run Growth:
29
Growth Rate:
100.00%
Total runs:
27
Run Growth:
-1
Growth Rate:
-3.70%
Total runs:
26
Run Growth:
6
Growth Rate:
23.08%
Total runs:
25
Run Growth:
-2
Growth Rate:
-8.00%
Total runs:
24
Run Growth:
0
Growth Rate:
0.00%
Total runs:
23
Run Growth:
21
Growth Rate:
91.30%
Total runs:
22
Run Growth:
-7
Growth Rate:
-31.82%
Total runs:
20
Run Growth:
6
Growth Rate:
30.00%
Total runs:
19
Run Growth:
5
Growth Rate:
26.32%
Total runs:
16
Run Growth:
-4
Growth Rate:
-25.00%
Total runs:
14
Run Growth:
8
Growth Rate:
57.14%
Total runs:
14
Run Growth:
5
Growth Rate:
35.71%
Total runs:
13
Run Growth:
4
Growth Rate:
30.77%
Total runs:
12
Run Growth:
4
Growth Rate:
33.33%
Total runs:
12
Run Growth:
3
Growth Rate:
25.00%
Total runs:
11
Run Growth:
7
Growth Rate:
63.64%
Total runs:
10
Run Growth:
5
Growth Rate:
50.00%
Total runs:
9
Run Growth:
0
Growth Rate:
0.00%
Total runs:
9
Run Growth:
9
Growth Rate:
100.00%
Total runs:
9
Run Growth:
5
Growth Rate:
55.56%
Total runs:
8
Run Growth:
-14
Growth Rate:
-175.00%
Total runs:
8
Run Growth:
5
Growth Rate:
62.50%